[发明专利]一种风电场多机等值建模方法及装置

说明书

本发明公开了一种风电场多机等值建模方法，包括：选取某风电场中风电机组运行时的有功功率、无功功率、机端电压、输出电流、风速五种状态变量作为聚类算法的聚类因素；将上述状态变量作为神经网络SOM聚类算法的输入变量矩阵；根据SOM神经网络聚类算法自动聚类的特点得到风电场分群数目K;将K值作为C均值聚类的初始输入进行快速聚类，得到风电场多机等值模型；对风电场多机等值模型进行参数聚合；以聚类结果为准建立新的等值风电场进行仿真模拟；本发明结合神经网络SOM的自动聚类的特性和C均值聚类的快速聚类的特质，对风电场进行快速有效的聚类。

技术领域

本发明涉及电力系统仿真建模技术领域，尤其涉及一种风电场多机等值建模方法。

背景技术

由于能源和环境问题的日益严峻，风能以其技术和成本方面的优势在电力系统中得到了广泛应用。然而，随着风能并网规模的快速增加，电力系统的运行灵活性和安全稳定性受到了一定影响和冲击，因此对风电大规模接入电力系统进行分析计算的要求越来越高。一个风电场往往有几十台甚至上百台风电机组，如果对每台风电机组都单独建模，则会大大增加电力系统仿真模型的复杂度和仿真计算时间，甚至面临“维数灾”问题。因此，加强风电场等值建模工作的研究十分必要。

在风电场等值建模研究中，一般分为单机等值法与多机等值法,单机等值法一般采用容量加权法,该方法以一台风电机组来等效风电场所有的机组,此方法易于实现,在研究含风电场问题时较为常用。实际中,受地形、尾流效应等因素的影响,风电机组风速各不相同。当风电机组运行状态相差很远时,单机等值模型无法准确反映实际风电场的运行状态；多机等值法是将整个风电场用数量较少的几台机组来等效,首先选取表征机组运行状态的分群指标,再对所有机组进行聚类分群,将同群的机组等值为一台机组,从而整个风电场等值为数量较少的多机模型。但对聚类指标、分群算法的不同、数据的准确性有很大要求。

例如：CN107272643A-新能源场站实用化单机等值方法，该申请技术将新能源场站内所有新能源机组等值为一台机组，以故障前后有功功率响应曲线为指标进行聚类。而对于风电场数目不断扩大，风电机组风速各不相同，风电机组运行状态也相差很远，拟合精度通常难以满足要求。本发明基于SOM神经网络C均值聚类算法的风电场多机等值建模方法。采取风电机组五种运行状态变量，对风电场进行多机等值建模，很好的拟合了风电场的有功功率、无功功率等运行状态。

CN105956318A-基于改进分裂H-K聚类方法的风电场机群划分方法，该申请技术采用基于改进分裂-聚类方法的风电场机群划分方法，运用轮廓系数并加以合适的准则解决机群划分数目问题,利用本发明提出的聚类方法完成风电场聚类,最终建立等值模型。但由于对于聚类数目需要不断设置不同的聚类数目K值来计算轮廓系数。当风机数量较大时，这种方法比较耗时且不易观察。本发明综合神经网络SOM的自动聚类的特性和C均值聚类的快速聚类的特质，对风电场进行快速有效的聚类。

发明内容

针对现有技术的不足，本发明所要解决的技术问题是针对现有技术的上述缺陷，提供一种风电场多机等值建模方法及装置，结合神经网络SOM的自动聚类的特性和C均值聚类的快速聚类的特质，对风电场进行快速有效的聚类，解决风电场多机等值问题中的分群数目与聚类速度的难题。

为实现上述目的，本发明采用的技术方案，具体如下：

一种风电场多机等值建模方法，包括以下步骤：

1)选取风电场中风电机组运行时的状态变量；

2)将状态变量作为神经网络SOM聚类算法的初始输入变量矩阵，得到聚类数目K；

3)将聚类数目K值作为C均值聚类算法的输入，对运行状态变量进行聚类，得到风电场多机等值模型；

4)对风电场多机等值模型进行参数聚合，参数聚合包括发电机参数聚合以及输电线路参数的聚合；

5)基于参数聚合的结果建立新的风电场模型进行仿真模拟。